上帝视角：Facebook，MIT等发布大规模卫星图像理解数据挑战赛DeepGlobe 2018

【导读】机器视觉已经彻底改变了很多技术领域，但在卫星图像分析领域展现威力才刚刚起步。而DeepGlobe 2018 比赛的举办就是这一领域改变的开始。

机器视觉彻底改变了我们看待世界的方式。 在人脸识别和物体识别等任务上，机器的性能优于人类。 这项技术现在被广泛应用于从安全系统到自动驾驶的各种应用中。

但是机器视觉技术还有很多领域尚未产生如此强大的影响力。 其中之一是分析地球的卫星图像。

这令人感到意外，因为卫星图像数量众多，采取方式相对一致，并且数据量很大。 它们是机器理解的理想选择。 然而，大多数卫星图像分析是由人类专家完成的，这些专家经过培训可以识别相对明显的事物，如道路，建筑物和土地使用方式。

Facebook的研究人员，卫星图像公司DigitalGlobe以及麻省理工学院等大学组织的DeepGlobe卫星挑战赛可能会改变这种情况。参与挑战者的任务是使用机器视觉来自动化卫星图像分析过程。比赛结果将于下个月公布。

DeepGlobe的组织者邀请参赛者设计自动识别卫星图像中的三类信息：道路网络，建筑物和土地使用。因此，任务是将图像作为输入并产生以下输出：Mask显示道路网络;一组代表建筑物的叠加多边形;或者显示土地用途彩色地图 - 如农业，城市生活，林业等等。

对于这三项任务中的每一项，研究人员都创建了一个标注图像数据库，供参赛者用于训练其机器视觉系统。随后，系统会在测试数据集上对他们的结果进行评估。

数据集很全面。用于道路识别的图像包括约9000张图像，地面分辨率为50厘米，共有超过2,000平方公里的区域，涵盖泰国，印度尼西亚和印度。这些图像包括城市和农村地区，铺有未铺砌的道路。训练数据集还包括每个图像的mask，显示该地区的道路网络。

建筑物数据集包含24,000多幅图像，每幅图像代表地面上200m*200m的面积，覆盖拉斯维加斯，巴黎，喀土穆或上海等地。训练数据集中描绘了超过300,000个建筑物，每个建筑物都由人类专家标记为叠加多边形。

土地利用数据集包含超过1,000个具有50厘米分辨率的RGB图像，并配有由专家确定的土地使用的mask。使用标志包括城市，农业，牧场，森林，水，贫瘠和未知（即云层覆盖）。

 

DeepGlobe挑战赛组织者已经开发了一系列用于衡量机器生成数据的准确性的算法，用于评估参赛者的提交，参与者大约有950个团队。获奖者将于6月18日在盐湖城举行的一次会议上宣布。

这次比赛意义重大。首先受益的是道路网络尚未采集完全的偏远地区的人们。挑战的提案者之一Uber可以使用这种类型的数据来扩展其服务。当发生自然灾害并需要对受影响的区域启动应急服务时，自动卫星图像分析也应该有用。此外，如果数据以一种较低的成本发布，它可能有助于气候变化研究和城市规划。

这应该只是开始。这种分析无疑帮助我们理解周围的世界。

ref ： arxiv.org/abs/1805.06561 

原文链接：

https://www.technologyreview.com/s/611198/the-machine-vision-challenge-to-better-analyze-satellite-images-of-earth/

by Emerging Technology from the arXiv  May 30, 2018

编译 | 专知

翻译 | Yingying, Sanglei

更多专业AI教程资料请加入专知人工智能知识星球群获取，扫描下面二维码即可！

-END-

专 · 知

人工智能领域主题知识资料查看与加入专知人工智能服务群：

【专知AI服务计划】专知AI知识技术服务会员群加入与人工智能领域26个主题知识资料全集获取。欢迎微信扫一扫加入专知人工智能知识星球群，获取专业知识教程视频资料和与专家交流咨询！

请PC登录www.zhuanzhi.ai或者点击阅读原文，注册登录专知，获取更多AI知识资料！

请加专知小助手微信（扫一扫如下二维码添加），加入专知主题群（请备注主题类型：AI、NLP、CV、 KG等）交流~

请关注专知公众号，获取人工智能的专业知识！

点击“阅读原文”，使用专知